CN102149114A - 毫微微基站网络控制系统及方法 - Google Patents
毫微微基站网络控制系统及方法 Download PDFInfo
- Publication number
- CN102149114A CN102149114A CN2011101199644A CN201110119964A CN102149114A CN 102149114 A CN102149114 A CN 102149114A CN 2011101199644 A CN2011101199644 A CN 2011101199644A CN 201110119964 A CN201110119964 A CN 201110119964A CN 102149114 A CN102149114 A CN 102149114A
- Authority
- CN
- China
- Prior art keywords
- network
- base station
- femto
- femto base
- configuration parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种毫微微蜂窝网络控制系统,涉及毫微微网络技术领域,包括:毫微微网关和与其连接的若干毫微微基站,所述毫微微网关中包括:自组织单元,所述自组织单元包括:信息接口、网络模型器、处理器及存储子单元,处理器及存储子单元都与所述信息接口和网络模型器连接。本发明还公开了一种毫微微蜂窝网络控制方法。本发明能够有效、及时地优化了整个毫微微网络,提高了优化的时效性。
Description
技术领域
本发明涉及毫微微网络技术领域,特别涉及一种毫微微基站网络控制系统及方法。
背景技术
1)技术背景
随着移动通信的发展,人们对于语音及数据分组业务的要求日益增长。研究表明:在无线网络中,超过50%的语音业务和超过70%的数据业务发生在室内场景,因此室内覆盖的好坏直接影响着用户满意度。而室内场景下,无线信号需要穿透墙体才能到达终端,这在一定程度上造成了信号的功率的损失,导致宏蜂窝小区的容量下降。为了解决高速数据业务室内覆盖的问题,引入毫微微小区技术,毫微微基站是一种小型的低成本、低功耗的无线接入点,是一种简化版的蜂窝小区宏基站,也由运营商管理。毫微微基站所覆盖的区域称为毫微微小区,通常置于宏小区难以覆盖的或用户密度比较大的地区,例如在商业办公环境、大学校园或家庭环境中。毫微微基站使用授权频段将移动设备连接到运营商网络上进行通信,目前的毫微微基站可以支持2~8个移动终端,并通过宽带连接如DSL,电缆等使运营商可以将服务拓展到宏网络难以接入的室内环境中,并且在用户密集地区,毫微微小区还可以提供远高出宏小区的通信容量。毫微微基站能够极大地改善室内信号的质量,提升小区容量,以顺利地部署高速数据业务。同时,毫微微小区还具有低成本、易实现等特点,能够为运营商节省建网成本,创造更大的价值。对于需要共享服务、文件或者进行网络访问的公共场所,例如会议室、会客厅、机场等,通过部署毫微微小区就能够轻松地实现。相比当下流行的Wi-Fi技术,毫微微小区网络具有更高的通信质量和可靠的安全性。并且,使用毫微微小区不要求用户终端兼容Wi-Fi功能,因此,仅通过目前通用的终端,就可以达到高速上网的目的。
传统基站的维护,一般采用人工处理和现场排查等方式,但毫微微小区网络具有设备数量众多、分布广泛等特点,且一般其所有权属于个人或者企业,因此无法以传统的方式进行维护。同时,用户对毫微微小区的使用具有很大的随意性,随时移动、开启和关闭,都将改变毫微微小区网络的拓扑结构。因此,需要毫微微小区网络能够进行自适应的优化与控制。理想的毫微微小区的配置不需要进行规划,也不需要手动的配置,终端用户在家里或者在办公室就可以很容易的配置毫微微小区。毫微微小区的加入不需要核心网进行任何改变,即使毫微微小区设备的数量非常大也可以轻松的集成到核心网。
现有的针对毫微微网络的管理与控制方法主要集中在对毫微微网络的某一方面的性能及相关的网络参数进行控制与优化,例如:
1、在多个毫微微小区共用频谱的场景中进行毫微微小区之间频谱的分配。根据毫微微基站测量的各频段的信噪比情况,尽可能地为各个毫微微小区分配质量好的信道,或由于频谱资源不足而拒绝某个毫微微小区的启用。
2、为多个毫微微基站进行功率控制,从而减小相互间的干扰。具体地,每当一个毫微微基站上电后,根据其周围的毫微微基站允许的可承受的噪声范围,调整新上电基站的功率,减小对其它基站的干扰。
3、负载均衡,在多个毫微微小区之间,根据各小区的负载和可用资源情况,在满足某些条件时,将负载高的小区的用户接入到负载低的小区。
现有技术方案的缺点:
其一,已有的对毫微微网络的管理和控制方案都是只能对网络的某一种或某两种参数进行优化调整,没有涉及到对多个参数协同调整,只能从有限的方面改善网络的性能,不能从整个网络的角度进行整体性全方位的优化,甚至不同参数之间的优化会产生冲突,导致优化效果大打折扣。
其二,已有的毫微微网络的管理和控制方案,在环境发生变化或有特定事件发生,触发管理和控制行为时,都需要相对比较长的制定参数配置策略的时间,延后了优化,降低了优化行为的适宜性,减弱了优化效果。且每次触发都要进行一次完整的分析原因和制定策略的过程,耗费了计算量和时间。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何对毫微微基站网络的多个参数进行协同调整,以有效地优化整个毫微微网络。
(二)技术方案
为解决上述技术问题,本发明提供了一种毫微微蜂窝网络控制系统,包括:毫微微网关和与其连接的若干毫微微基站,所述毫微微网关中包括:自组织单元,所述自组织单元包括:信息接口、网络模型器、处理器及存储子单元,处理器及存储子单元都与所述信息接口和网络模型器连接,
所述信息接口用于接收毫微微基站的上传的网络性能参数或向毫微微基站发送配置参数;
所述处理器用于根据所述信息接口接收的网络性能参数和所述网络模型器计算并下发给所述毫微微基站的配置参数;
存储子单元用于所述配置参数和网络性能参数。
本发明还提供了一种利用上述的系统的毫微微蜂窝网络控制方法,包括以下步骤:
S1:毫微微网关根据当前的设置,向各毫微微基站、各用户终端和所连接的宽带IP网、核心网下发配置参数;
S2:所述各毫微微基站、各用户终端和各网络按照所述下发的配置参数信息运行,并每隔预定时间t,向所述毫微微网关上报各自的网络性能参数;
S3:网络最初运行的一段时间T,为网络模型训练时间,T≥t,在T内,所述自组织单元根据预先定义的网络性能目标函数将上报的网络性能参数进行加权求和计算,求出反映当前网络运行性能的函数值:
Target=f(UE_num,Tpt,CDR)=α1·UE_num+α2·Tpt+α3·CDR
其中,UE_num是可容纳用户的个数,Tpt是用户平均吞吐量,CDR是用户平均掉话率,α1、α2和α3分别为UE_num、Tpt和CDR的权重,且α1+α2+α3=1,在得到目标函数后,进行网络模型的训练:包括步骤:
S3.1:将当前网络的配置参数作为输入变量输入基于BP神经网络的网络模型器的输入节点;
S3.2:网络模型器得到输入后自动由输出节点产生输出,输出为网络模型器生成的预测目标函数值Target′;
S3.3:计算预测误差d=Target′-Target,并根据误差d修正网络模型器的连接权值;
S4:训练时间结束后,启动网络自动控制,包括步骤:
S4.1:毫微微网关根据当前的设置,向各毫微微基站、各用户终端和所连接的宽带IP网、核心网下发配置的所述配置参数;
S4.2:所述各毫微微基站、各用户终端和各网络按照所述下发的配置参数运行,并每隔预定时间t′,向所述毫微微网关上报各自的网络性能参数;
S4.3:毫微微网关中自组织单元将下发的所述各毫微微基站、各用户终端和各网络的配置参数信息输入网络模型器,并得到预测的网络目标函数值Pre-Target;
S4.4:若Pre-Target低于Target的要求,则自组织单元随机调整经过毫微微网关到信息接口输入的任意配置参数,并由网络模型器得出的函数值,判断是否满足Target的要求,直到目标函数值满足要求,将此时自组织单元的修改后的参数值作为配置参数,转到步骤S1。
其中,所述步骤S1之前还包括:初始化毫微微网关中下发的初始的配置参数信息。
其中,毫微微基站网络运行过程中,若有新的毫微微基站接入所述毫微微基站网络,则在接入前所述毫微微网关对所述新的毫微微基站进行鉴权,鉴权通过则接入,否则拒绝。
其中,所述配置参数包括:各毫微微基站、各用户终端和所连接的宽带IP网、核心网的运行参数。
其中,所述网络性能参数包括:网络可容纳用户的个数、用户的平均吞吐量、用户的平均掉话率。
(三)有益效果
本发明中,各毫微微基站、各用户终端和各网络将各自的运行参数和环境参数反馈给毫微微网关,毫微微网关中的自组织单元根据反馈的参数和网络模型计算出新的、更优化的运行参数,从而实现了对毫微微基站网络多个参数的协同调整,有效地优化了整个毫微微基站网络;并且通过周期性的收集、反馈及调整运行参数,能够及时地对毫微微基站网络进行优化,提高了优化的时效性。
附图说明
图1是本发明的实施例的一种毫微微蜂窝网络控制系统结构示意图;
图2是本发明实施例的一种毫微微蜂窝网络控制系统中毫微微基站结构示意图;
图3是本发明实施例的一种毫微微蜂窝网络控制系统中毫微微网关结构示意图;
图4是图3的毫微微网关中自组织单元的结构示意图;
图5是本发明实施例的一种毫微微蜂窝网络控制方法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明提出的毫微微蜂窝网络控制系统,主要包括毫微微网关和与其连接的若干毫微微基站,其中,毫微微网关中包括自组织单元,自组织单元基于神经网络与机器学习为毫微微网络建立模型,并通过周期性地接收毫微微网络中的各个毫微微基站和终端上报网络容量、平均吞吐量、掉话率等网络性能参数,根据模型计算网络性能的函数值,以及根据模型中各基站和终端的运行参数(包括基站使用的频带,功率,终端选择的服务基站等)与函数值的关系,按照使网络性能函数值增大的方向,修正所述运行参数,并作为配置参数通过毫微微网关下发给各个毫微微基站和终端,各个毫微微基站和终端根据接收到的配置参数后按配置参数更新运行参数,从而优化网络的性能。本网络控制系统和方法可以根据环境变化和系统需求同时对多个参数进行全面协作的配置和优化,从整体上提高系统的性能。并且,本方案采用了一种对多个参数通用的分析、计算和决策的方法,不必对不同的参数设计不同的方法。进一步,本方案的管理和控制方法,可以学习系统之前做出的配置和优化的决策历史经验,与现有方案相比,对管理和控制触发,无需复杂的分析和计算就可做出合理地配置和优化决定,并且所需的时间大大缩短。
本发明的方法基于毫微微蜂窝网络控制系统实现,该网络中包括:网络设备和用户设备:网络设备包括:毫微微基站、毫微微网关、宽带IP网络和核心网中的相关网络设备;用户设备包括各种用户终端。
如图2所示,毫微微基站有许多硬件设备、电路、程序等组成,包括天线,采用某种接入技术的无线接入网收发器,宽带IP网络收发器,处理单元,存储单元,I/O接口等组成部分。可以通过某种标准的无线接口(LTE、WiMAX等)与多个用户终端连接通信,并可以基于已有的宽带接入技术(电缆、DSL等)通过宽带IP网络与毫微微网关相连,进而接入核心网。毫微微基站可以提供室内覆盖,为室内用户提供语音,数据,VoIP等无线业务。毫微微基站可以将自身的配置和检测到的无线环境等信息上报毫微微网关,并接收毫微微网关的信息进行参数和业务的配置。一个毫微微基站与它所服务的用户构成一个毫微微小区。
如图3所示,毫微微网关有许多硬件设备、电路、程序等组成,包括宽带IP收发器、回路收发器、处理单元、存储单元、I/O接口、毫微微小区数据库、毫微微小区鉴权系统以及毫微微小区管理的自组织单元。毫微微网关连接毫微微基站与核心网,可以为通过毫微微小区的通信提供安全网关,保证业务的安全性和保密性,也对连接到毫微微网关的毫微微基站进行鉴权和准入控制,同时可以提供对连接的毫微微基站所组成的网络的业务的管理控制,和各个网络及毫微微基站的配置和优化的控制。
如图4所示,毫微微小区管理的自组织单元,是集成在毫微微网关内的一个重要部分,包括一个信息接口,可以接收上传信息和下发控制信息,处理器,存储单元和一个毫微微网络模型器,包括输入输出电路和软件模块,软件可以用神经网络原理(也可以用机器学习等所有合适的建模方法,原理和机制类似,只是程序不同)方法在其中建立毫微微网络的输入输出模型,它可以接收与毫微微网关相连的各个毫微微基站上报的关于无线环境,毫微微基站配置,负载情况等与毫微微网络运行和优化相关的信息,输入到软件模块,软件模块输出毫微微网络的配置信息,包括基站功率,频段分配,负载均衡等,毫微微网关将这些信息下发给各基站和终端经过如下文所述的训练过程后,根据实时的毫微微网络的相关信息,软件可作出对毫微微网络当前最优化的调整,包括对资源的分配,对毫微微基站和用户终端的优化控制等。
宽带IP网络可以为多个设备提供基于因特网协议的服务,通过电缆,DSL等将毫微微基站与毫微微网关相连。
用户设备中的用户终端,包括使用各种标准无线接入技术的无线设备。
如图5所示,本发明的利用上述毫微微蜂窝网络控制系统的毫微微蜂窝网络控制方法包括:
步骤S101,毫微微网关(femto网关)上电,初始化各个模块,设置自组织单元的初始输出的配置信息。
步骤S102,毫微微基站(femto基站)上电,并向毫微微网关发送规定的请求和测量的信息。
步骤S103,毫微微网关的femtocell鉴权系统对请求连接的毫微微基站进行认证和注册,只有通过认证和注册的基站才能接入。
步骤S104,毫微微网关将资源、功率等参数的初始配置参数(包括各毫微微基站、各用户终端和所连接的宽带IP网、核心网的运行参数,如基站所用频带、基站的发射导频功率、基站天线参数、用户选择接入的毫微微基站等)下发给连接的毫微微基站。该毫微微基站按初始配置参数运行。
步骤S105,各毫微微基站、用户终端和网络在运行过程中,按照规定,以预定时间间隔t(如5分钟,可根据网络实际情况确定),周期性地测量、收集并向毫微微网关上报规定的网络性能参数。
步骤S106,毫微微网关在收到上报的信息后,输入自组织单元。触发自组织单元按照设置规则输出一个或多个毫微微基站分配资源,设置功率,天线等参数,及需要重配置的各网络的参数、业务和用户终端的参数,将相应的信息下发给毫微微基站和各个网络及用户。
步骤S107,网络最初运行的一段时间T(如:1小时,可根据网络实际情况确定)为网络模型训练时间,在T内,毫微微网关每隔t(如:5分钟,可根据网络实际情况确定)时间根据上报的网络性能参数和预先定义的网络性能目标函数将反映网络性能的参数进行加权求和计算,求出反映当前网络运行性能的函数值:
Target=f(UE_num,Tpt,CDR)=α1·UE_num+α2·Tpt+α3·CDR
其中,UE_num是可容纳用户的个数,Tpt是用户平均吞吐量,CDR是用户平均掉话率,α1、α2和α3分别为UE_num、Tpt和CDR的权重,且α1+α2+α3=1,各自的值可根据网络实际情况确定。
在得到目标函数后,进行网络模型的训练:将当前网络的运行参数(包括各毫微微基站、各用户终端和所连接的宽带IP网、核心网的运行参数,如基站所用频带、基站的发射导频功率、基站天线参数、用户选择接入的毫微微基站等)作为输入变量输入基于BP神经网络的网络模型器的输入节点;网络模型器得到输入后自动由输出节点产生输出,输出为生成的预测目标函数值Target′;计算预测误差d=Target′-Target,并根据误差d修正网络模型器的连接权值。
步骤S108,训练时间结束后,进入网络自动控制:
1.毫微微网关根据当前的设置,向各毫微微基站、各用户终端和所连接的宽带IP网、核心网下发配置的运行参数信息;
2.所述各毫微微基站、各用户终端和各网络按照所述下发的配置参数信息运行,并每隔预定的时间t′(如5分钟,可以和t相等),向所述毫微微网关上报各自的网络性能参数;
3.毫微微网关中自组织单元将下发的所述各毫微微基站、各用户终端和各网络的运行参数信息输入网络模型,并得到预测的网络目标函数值Pre-Target;
4.若Pre-Target低于Target要求,则自组织单元随机调整经过毫微微网关到信息接口输入的任意配置参数,并由网络模型器得出的函数值,判断是否满足Target的要求,直到目标函数值满足要求,将此时自组织单元的修改后的参数值作为配置参数。
步骤S109,自组织单元将修正后的参数作为配置参数,把这些参数发给各个网络及毫微微基站、用户终端和所连接的宽带IP网、核心网。
步骤S110,各网络及毫微微基站、用户终端根据从毫微微网关接收到的配置信息,调整配置,优化网络,反映在下一次反馈的评价结果更趋于理想结果,进入下一个周期。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (6)
1.一种毫微微蜂窝网络控制系统,包括:毫微微网关和与其连接的若干毫微微基站,其特征在于,所述毫微微网关中包括:自组织单元,所述自组织单元包括:信息接口、网络模型器、处理器及存储子单元,处理器及存储子单元都与所述信息接口和网络模型器连接,
所述信息接口用于接收毫微微基站的上传的网络性能参数或向毫微微基站发送配置参数;
所述处理器用于根据所述信息接口接收的网络性能参数和所述网络模型器计算并下发给所述毫微微基站的配置参数;
存储子单元用于所述配置参数和网络性能参数。
2.一种利用权利要求1所述的系统的毫微微蜂窝网络控制方法,其特征在于,包括以下步骤:
S1:毫微微网关根据当前的设置,向各毫微微基站、各用户终端和所连接的宽带IP网、核心网下发配置参数;
S2:所述各毫微微基站、各用户终端和各网络按照所述下发的配置参数信息运行,并每隔预定时间t,向所述毫微微网关上报各自的网络性能参数;
S3:网络最初运行的一段时间T,为网络模型训练时间,T≥t,在T内,所述自组织单元根据预先定义的网络性能目标函数将上报的网络性能参数进行加权求和计算,求出反映当前网络运行性能的函数值:
Target=f(UE_num,Tpt,CDR)=α1·UE_num+α2·Tpt+α3·CDR
其中,UE_num是可容纳用户的个数,Tpt是用户平均吞吐量,CDR是用户平均掉话率,α1、α2和α3分别为UE_num、Tpt和CDR的权重,且α1+α2+α3=1,在得到目标函数后,进行网络模型的训练:包括步骤:
S3.1:将当前网络的配置参数作为输入变量输入基于BP神经网络的网络模型器的输入节点;
S3.2:网络模型器得到输入后自动由输出节点产生输出,输出为网络模型器生成的预测目标函数值Target′;
S3.3:计算预测误差d=Target′-Target,并根据误差d修正网络模型器的连接权值;
S4:训练时间结束后,启动网络自动控制,包括步骤:
S4.1:毫微微网关根据当前的设置,向各毫微微基站、各用户终端和所连接的宽带IP网、核心网下发配置的所述配置参数;
S4.2:所述各毫微微基站、各用户终端和各网络按照所述下发的配置参数运行,并每隔预定时间t′,向所述毫微微网关上报各自的网络性能参数;
S4.3:毫微微网关中自组织单元将下发的所述各毫微微基站、各用户终端和各网络的配置参数信息输入网络模型器,并得到预测的网络目标函数值Pre-Target;
S4.4:若Pre-Target低于Target的要求,则自组织单元随机调整经过毫微微网关到信息接口输入的任意配置参数,并由网络模型器得出的函数值,判断是否满足Target的要求,直到目标函数值满足要求,将此时自组织单元的修改后的参数值作为配置参数,转到步骤S1。
3.如权利要求2所述的毫微微蜂窝网络控制方法,其特征在于,所述步骤S1之前还包括:初始化毫微微网关中下发的初始的配置参数信息。
4.如权利要求1或2所述的毫微微蜂窝网络控制方法,其特征在于,毫微微基站网络运行过程中,若有新的毫微微基站接入所述毫微微基站网络,则在接入前所述毫微微网关对所述新的毫微微基站进行鉴权,鉴权通过则接入,否则拒绝。
5.如权利要求4所述的毫微微蜂窝网络控制方法,其特征在于,所述配置参数包括:各毫微微基站、各用户终端和所连接的宽带IP网、核心网的运行参数。
6.如权利要求4所述的毫微微蜂窝网络控制方法,其特征在于,所述网络性能参数包括:网络可容纳用户的个数、用户的平均吞吐量、用户的平均掉话率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101199644A CN102149114B (zh) | 2011-05-10 | 2011-05-10 | 毫微微基站网络控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101199644A CN102149114B (zh) | 2011-05-10 | 2011-05-10 | 毫微微基站网络控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102149114A true CN102149114A (zh) | 2011-08-10 |
CN102149114B CN102149114B (zh) | 2013-12-11 |
Family
ID=44423048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101199644A Expired - Fee Related CN102149114B (zh) | 2011-05-10 | 2011-05-10 | 毫微微基站网络控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102149114B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096505A (zh) * | 2012-12-28 | 2013-05-08 | 华为终端有限公司 | 通信连接方法、设备及通信系统 |
CN105900473A (zh) * | 2013-02-15 | 2016-08-24 | 三菱电机株式会社 | 通信系统 |
CN106954239A (zh) * | 2011-08-18 | 2017-07-14 | 阿尔卡特朗讯 | 用于提供增强的小型小区资源利用的方法和装置 |
CN107466051A (zh) * | 2016-06-03 | 2017-12-12 | 中国移动通信有限公司研究院 | 一种网络交互方法及交互网元、无线网络节点 |
CN109474957A (zh) * | 2018-10-15 | 2019-03-15 | 南京邮电大学 | 一种基于认知微微蜂窝和双链接的数据卸载方法 |
CN109729540A (zh) * | 2019-01-18 | 2019-05-07 | 福建福诺移动通信技术有限公司 | 一种基于神经网络的基站参数自动优化方法 |
CN109845310A (zh) * | 2016-10-13 | 2019-06-04 | 华为技术有限公司 | 利用强化学习进行无线资源管理的方法和单元 |
CN111417129A (zh) * | 2019-01-07 | 2020-07-14 | 中国移动通信有限公司研究院 | 多频多模网络的配置方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1878090A (zh) * | 2005-06-11 | 2006-12-13 | 国际商业机器公司 | 用于通过调节网络控制进行自动的系统管理的系统和方法 |
CN101278579A (zh) * | 2005-10-04 | 2008-10-01 | 艾利森电话股份有限公司 | 微微无线电基站的自动配置 |
WO2010034495A1 (en) * | 2008-09-24 | 2010-04-01 | Nec Europe Ltd. | Method and system for configuration of a femto radio base station |
CN101860885A (zh) * | 2010-06-11 | 2010-10-13 | 西安电子科技大学 | 基于神经网络和模糊逻辑的接入网络选择方法 |
CN101990278A (zh) * | 2009-07-31 | 2011-03-23 | 宏达国际电子股份有限公司 | 管理专属基站授权的方法及其相关装置 |
-
2011
- 2011-05-10 CN CN2011101199644A patent/CN102149114B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1878090A (zh) * | 2005-06-11 | 2006-12-13 | 国际商业机器公司 | 用于通过调节网络控制进行自动的系统管理的系统和方法 |
CN101278579A (zh) * | 2005-10-04 | 2008-10-01 | 艾利森电话股份有限公司 | 微微无线电基站的自动配置 |
WO2010034495A1 (en) * | 2008-09-24 | 2010-04-01 | Nec Europe Ltd. | Method and system for configuration of a femto radio base station |
CN101990278A (zh) * | 2009-07-31 | 2011-03-23 | 宏达国际电子股份有限公司 | 管理专属基站授权的方法及其相关装置 |
CN101860885A (zh) * | 2010-06-11 | 2010-10-13 | 西安电子科技大学 | 基于神经网络和模糊逻辑的接入网络选择方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106954239A (zh) * | 2011-08-18 | 2017-07-14 | 阿尔卡特朗讯 | 用于提供增强的小型小区资源利用的方法和装置 |
CN103096505A (zh) * | 2012-12-28 | 2013-05-08 | 华为终端有限公司 | 通信连接方法、设备及通信系统 |
CN105900473A (zh) * | 2013-02-15 | 2016-08-24 | 三菱电机株式会社 | 通信系统 |
CN107466051A (zh) * | 2016-06-03 | 2017-12-12 | 中国移动通信有限公司研究院 | 一种网络交互方法及交互网元、无线网络节点 |
CN109845310A (zh) * | 2016-10-13 | 2019-06-04 | 华为技术有限公司 | 利用强化学习进行无线资源管理的方法和单元 |
CN109474957A (zh) * | 2018-10-15 | 2019-03-15 | 南京邮电大学 | 一种基于认知微微蜂窝和双链接的数据卸载方法 |
CN109474957B (zh) * | 2018-10-15 | 2021-08-27 | 南京邮电大学 | 一种基于认知微微蜂窝和双链接的数据卸载方法 |
CN111417129A (zh) * | 2019-01-07 | 2020-07-14 | 中国移动通信有限公司研究院 | 多频多模网络的配置方法及设备 |
CN109729540A (zh) * | 2019-01-18 | 2019-05-07 | 福建福诺移动通信技术有限公司 | 一种基于神经网络的基站参数自动优化方法 |
CN109729540B (zh) * | 2019-01-18 | 2022-05-17 | 福建福诺移动通信技术有限公司 | 一种基于神经网络的基站参数自动优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102149114B (zh) | 2013-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102149114B (zh) | 毫微微基站网络控制方法 | |
Ghadimi et al. | A reinforcement learning approach to power control and rate adaptation in cellular networks | |
CN102098680B (zh) | 动态频谱管理方法及系统 | |
Gao et al. | Q-learning-based power control for LTE enterprise femtocell networks | |
CN102111779B (zh) | 上行频谱共享方法及系统 | |
CN105451241B (zh) | 异构网中基于干扰协调的最大最小公平性资源分配方法 | |
WO2016082557A1 (zh) | 基于用户公平性的异构网络时域干扰协调方法及系统 | |
CN103856947A (zh) | 一种联合信道选择和功率控制的干扰协调方法 | |
Capozzi et al. | A system-level simulation framework for LTE femtocells | |
CN104010315B (zh) | 一种基于用户体验质量的小区选择方法 | |
CN107105455A (zh) | 一种基于自回程感知的用户接入负载均衡方法 | |
Li et al. | Decentralized renewable energy pricing and allocation for millimeter wave cellular backhaul | |
Alsuhli et al. | Deep reinforcement learning-based CIO and energy control for LTE mobility load balancing | |
Zhang et al. | Multi-leader multi-follower stackelberg game among wi-fi, small cell and macrocell networks | |
Han et al. | Power allocation for device-to-device underlay communication with femtocell using stackelberg game | |
He et al. | Resource Management for Device‐to‐Device Communications in Heterogeneous Networks Using Stackelberg Game | |
CN104113903B (zh) | 基于交互式认知学习的下行功率调整方法和装置 | |
Gong et al. | Cross-tier handover decision optimization with stochastic based analytical results for 5G heterogeneous ultra-dense networks | |
Li et al. | Price-based power control of femtocell networks: A Stackelberg game approach | |
Guerra-Gómez et al. | Dynamic resource allocation in C-RAN with real-time traffic and realistic scenarios | |
Li et al. | Distributed power control for two-tier femtocell networks with QoS provisioning based on Q-learning | |
CN103327540B (zh) | 一种认知异构网络中节能抗干扰的速率分裂方法 | |
Yuan et al. | Robust power allocation and price-based interference management in two-tier femtocell networks | |
Yang et al. | Cooperative spectrum leasing to femtocells with interference compensation | |
Li et al. | User scheduling and slicing resource allocation in industrial Internet of Things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131211 |
|
CF01 | Termination of patent right due to non-payment of annual fee |